#############################

######
#
#R tutorial de bolso
#Renata de Lara Muylaert
#Nvel easy curious
#
######
#############################

#verso 26 de Agosto de 2015

Sumrio
Introduo ...................................................................................................................... 5
#Escolhendo o diretrio de trabalho.......................................................................... 5
#utilizando janelas ..................................................................................................... 5
#utilizando comandos............................................................................................... 5
#Inserindo dados, criando um data.frame ............................................................... 6
#maneira 1: read.csv................................................................................................. 6
#maneira 2: read.table ............................................................................................. 6
#maneira 3: read.delim............................................................................................. 6
#maneira 4: clipboard .............................................................................................. 6
#arrumando alguma clula no seu data.frame ................................................... 7
#Removendo colunas e linhas de diferentes maneiras .......................................... 7
#retirando colunas ..................................................................................................... 7
#retirando a segunda coluna .................................................................................. 7
#subset......................................................................................................................... 8
#linhas .......................................................................................................................... 8
#removendo linhas por indexao simples ........................................................... 8
#subset......................................................................................................................... 8
#which ......................................................................................................................... 9
#Sobre NA ....................................................................................................................... 9
#retirando linhas com NA da sua tabela ............................................................... 9
#maneira 1 .............................................................................................................. 9
#maneira 2: NA.omit() ........................................................................................... 9
#Binarizando seus dados ............................................................................................ 10
#binarizando com ifelse .......................................................................................... 10
#binarizando com decostand ............................................................................... 10
# s2 Ifelse: Categorizando seus dados a partir de uma coluna de dados
contnuos ....................................................................................................................... 10
#Exportando qualquer objeto como um arquivo TXT ............................................ 11
#Sequncias ................................................................................................................. 11
#gerando sequncias com diferentes distribuies .......................................... 11
2

#Concatenando colunas em uma nova coluna ................................................... 12

#Adicionando colunas na rabeira dos seus dados: .............................................. 12
#Adicionando linhas na rabeira dos seus dados: .................................................. 12
#Citando o R ................................................................................................................ 12
#Blogs e sites legais...................................................................................................... 13

Agradecimentos
Este tutorial foi elaborado em 2015 aps algum treinamento autodidata em R e
sofrimento em conjunto com meus amigos leecianos (principalmente Calebe
Mendes e Maurcio Vancine). Agradeo a Milton Cezar Ribeiro, Pavel Dodonov
e Arleu Viana por todas as conversas e aprendizados sobre R. Marco Mello e
Arleu Viana revisaram esta verso.

Licena Creative Commons

O contedo deste guia pode ser reproduzido vontade, desde que no seja
modificado e no seja usado para fins comerciais. O guia pode ser citado
utilizando meu nome (Renata de Lara Muylaert) e direcionando para o site no
qual ele se encontra http://www.leec.eco.br/. Se este guia ajudar voc a
elaborar algum trabalho cientfico, por favor, mencione isso nos
agradecimentos.

Introduo
Este tutorial simplificado para voc que precisa usar ou escolheu usar o R, ou
que nunca consegue se lembrar de algumas coisinhas e fica empacado no
seu data.frame. O tutorial no foi feito no formato de .R direto, pois queria
que ele tivesse um visual mais amigvel e um ndice organizado. Alm disso,
este tutorial pode de fato ser impresso como uma verso de bolso. Em breve
um tutorial nvel normal curious ser lanado na sequncia deste. A ideia
que vocs possam ler o tutorial e aplic-lo aos seus dados imediatamente. Ele
no um tutorial do tipo example do R e, portanto, no fornece dados a
priori, o que caracteriza qualquer nvel de tutorial curious. A ideia que o
leitor utilize os seus prprios dados e treine para memorizar os cdigos, a fim de
no precisar mais de um tutorial no nvel easy curious e estar pronto para o
nvel normal curious. O data.frame imaginrio bsico que utilizamos tem o
nome dados. O leitor dever adapt-lo aos seus dados, modificando o
nome do objeto como preferir. Alm disso, o leitor deve ter o mnimo
discernimento sobre diferentes tipos de objetos no R e sua estrutura. Espero
que
gostem!
Sugestes
podem
ser
enviadas
para
o
e-mail
renatamuy@gmail.com. Bom trabalho!

#Escolhendo o diretrio de trabalho

#o diretrio a pasta na qual se encontram os seus dados, aqueles que voc
precisa para trabalhar! no diretrio de trabalho que tambm sero criados e
armazenados os arquivos de sada das anlises, caso voc converta os
objetivos em arquivos .txt (TXT).

#utilizando janelas
setwd(choose.dir())

#utilizando comandos
setwd("C://Users//Documents//LEEC")

#Inserindo dados, criando um data.frame

#maneira 1: read.csv
#Esse comando ir permitir que voc encontre o arquivo atravs de uma
janela.
dados=read.csv(file.choose(), sep="", header= TRUE)

#maneira 2: read.table
#separado por tab e com rtulos de coluna
dados<-read.table("meusdados.txt", head=T, sep="\t")

#maneira 3: read.delim
#com nome de linhas e de colunas dessa vez...
dados<- read.delim("meusdados.txt", row.names=1, header=TRUE)

#maneira 4: clipboard
#dados esto no bloco de notas
#selecione seus dados no bloco de notas
#aperte copy clicando sobre seus dados no bloco de notas
#d o comando no r
dados= read.delim("clipboard", header=TRUE)
#O comando str(dados) muito til para ver se voc importou seus
dados #corretamente!
#Se voc estiver trabalhando no seu script no Windows, aperte control+R
para mandar rodar seu cdigo. Se voc estiver em um Mac, use
command+enter.

#arrumando alguma clula no seu data.frame

fix(dados)

#Removendo colunas e linhas de diferentes maneiras

#retirando colunas
dados$colunaquequerotirar <- NULL

#retirando a segunda coluna

#maneira 1
dados[2] <- NULL
#maneira 2
dados <- dados[,-2]
#maneira 3
dados <- dados[-2] #o segundo elemento em um data.frame a
segunda #coluna
#Removendo mltiplas colunas em sequncia
dados[1:2] <- list(NULL) # funciona
dados[1:2] <- NULL

# no funciona!

#Retirando colunas 2 e 3. Cautela ao fazer subset de uma matrix, pois

voc pode acabar tendo um vetor
dados <- dados[,-(2:3)]

# um vector

dados <- dados[,-(2:3), drop=FALSE] # ainda um data.frame

#subset
#para remover uma sequncia, entre colunas 1 e 3
dados2 <- subset( dados, select = -c( 1: 3 ))
#Removendo colunas especficas, que esto em sequncia
dados2 <- subset( dados, select = -c( dessacoluna : aessacoluna )
#nomes sem aspas mesmo
#Removendo colunas especficas, que no necessariamente esto em
sequncia
dados2 <- subset( dados, select = -c(essacoluna, essacoluna ) ) #nome
da coluna sem aspas!

#linhas
#removendo linhas por indexao simples
#removendo a linha 1
dados = dados[-1,]
### Removendo linhas 2 e 3
dados <- dados[c(-2,-3),])
#s as que tem valor F em saocarlos
dados[dados$local=="saocarlos" & dados$h== "F",]
#s as diferentes de cinquenca em saocarlos
dados[dados$local=="saocarlos" & dados$area!= 50,]
#s as linhas que tem carrapato diferente de zero e com rea maior
que 150 no paisagem saocarlos
dados[dados$paisagem=="saocarlos" & dados$carrapato != 0 &
dados$areaha >150,]
#subset
#Removendo ou mantendo linhas de um determinado valor, que no
caso so os fragmentos F1
dados_f1= subset(dados, fragmento=="F1") #uso aspas, pois factor
#Removendo ou mantendo linhas de um determinado valor, que no
caso so #valores diferentes de zero
dados_sem_zero= subset(dados, remocao!=0) #s2 subset!

#which
#Removendo linhas de uma categoria especfica
# data.frame dados
dados
Local
A
A
B
B
C
C

Ponto
dentro
fora
dentro
fora
dentro
fora

Riqueza
1
5
3
14
6
11

#Retirando todos os pontos de dentro

dentro=wich(dados$Ponto!=dentro)
dentro=dados[dentro,]
Local
A
B
C

Ponto
fora
fora
fora

Riqueza
5
14
11

#Sobre NA
#retirando linhas com NA da sua tabela
#maneira 1
Linhas_com_NA <- apply(dados, 1, function(x){any(is.na(x))})
#retirando linhas com NA
Dados_sem_NA<- dados[!Linhas_com_NA ,]
#maneira 2: NA.omit()
na.omit(dados)

#Binarizando seus dados

#binarizando com ifelse
#Caso dados$palm sejam maiores ou iguais a 1, faa-os ser igual a 1,
caso contrrio, faa-os serem zero!
dados$palm_bin<- ifelse(dados$palm >= 1, 1,0)
dados$palm_bin
#binarizando com decostand
Install.packages(vegan)
require(vegan)
dados_bin <- decostand(dados, "pa")

# s2 Ifelse: Categorizando seus dados a partir de uma coluna

de dados contnuos
#criando a coluna
dados$F150<- NULL
#Quero separar minha coluna que contm rea de fragmentos em trs
#categorias: 1)menor_que_60: reas com menos de 60 h, 2)
intermedirio #reas iguais ou maiores a 60 h e menores ou iguais a
150 e 3) #maior_que_150 reas maiores que 150 ha.
dados$F_150 <- ifelse(dados$A_FRAG1 < 60, "menor que 60 ha",
ifelse(dados$A_FRAG1 >= 60 & dados$A_FRAG1 <=150 , "intermediario",
ifelse(dados$A_FRAG1 > 150, "maior que 150 ha", NA
)))

10

#Exportando qualquer objeto como um arquivo TXT

#quote=FALSE quer dizer sem aspas, ou sem aspas rs..
#append= FALSE cria um novo arquivo
#sep= garante que haver separao por espao
write.table(dados, file="exportei.txt", sep= " ", quote= FALSE, append=
FALSE, na= "NA")

#Sequncias
#Funo seq, com os argumentos: de, at, de quanto em quanto.
seq(from=0, to=10, by=0.1)
#simplificada
seq(0,10,0.1)
#voc pode usar o argumento length.out= quantos elementos ter a
#sequncia
d=seq(0,10, length.out=13) # a sequncia ter 13 elementos
#gerando sequncias com diferentes distribuies
#gerando nmeros, distribuio normal, com mdia igual a 1 e desvio
igual a 1
rnorm(n=15, mean=1, sd=1)

#A funo runif gera uma distribuio uniforme

#15 valores, mnimo podendo valer 0, mximo podendo valer 2
runif(n=15, min=0, max=2)

11

#Concatenando colunas em uma nova coluna

dados$Coisas_concatenadas<-NULL
#Dados representados
Local

Ponto

Coisas_concatenadas

NULL

#concatenando
dados$Coisas_concatenadas<- paste(dados$Local, dados$Ponto,
sep="_")

#Representao final
Local

Ponto

Coisas_concatenadas

1_3

#Adicionando colunas na rabeira dos seus dados:

Dados_com_coluna_a_mais<- cbind(dados, colunaquequeroadicionar)

#Adicionando linhas na rabeira dos seus dados:

Dados_com_linha_a_mais<- rbind(dados, linhaquequeroadicionar)

#Citando o R
citation()

12

#Blogs e sites legais

http://recologia.com.br/
http://pt.stackoverflow.com/
http://rfunction.com/
https://cantinhodor.wordpress.com/
http://www.r-bloggers.com/

13